論文の概要: Closing the Motion Execution Gap: From Semantic Motion Task Constraints to Kinematic Control

• arxiv url: http://arxiv.org/abs/2605.12053v1
• Date: Tue, 12 May 2026 12:35:25 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.857874
• Title: Closing the Motion Execution Gap: From Semantic Motion Task Constraints to Kinematic Control
• Title（参考訳）: 運動実行ギャップの閉鎖:セマンティック・モーション・タスク制約から運動制御へ
• Authors: Simon Stelter, Vanessa Hassouna, Malte Huerkamp, Michael Beetz,
• Abstract要約: Motion Statechartsは、複雑な動きの実行可能なシンボル表現として導入された。 世界中心の運動仕様は、統一された微分可能キネマティック世界モデルを使用することで実現されている。 8つのロボットプラットフォームにメソッドをデプロイすることで、クロスプラットフォームのトランスファビリティを実証した。
• 参考スコア（独自算出の注目度）: 5.641624413735623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper addresses the Motion Execution Gap, the disconnect between high-level symbolic task descriptions using semantic constraints and executable robot motions. Motion Statecharts are introduced as an executable symbolic representation for complex motions. They allow the arbitrary arrangement of motion constraints, monitors or nested statecharts in parallel and sequence. World-centric motion specification and generalization across embodiments are enabled through the use of a unified differentiable kinematic world model of both, robots and environments. Motion execution is realized through a lMPC-based implementation of the task-function approach, in which smooth transitions during task switches are ensured using jerk bounds. Cross-platform transferability was demonstrated by deploying the method on eight robot platforms, operating in diverse environments. The proposed framework is called Giskard and is available open source: https://github.com/cram2/cognitive_robot_abstract_machine.
• Abstract（参考訳）: 本稿では,意味的制約を用いた高レベルな記号的タスク記述と実行可能なロボット動作との切り離しであるMotion Execution Gapについて述べる。 Motion Statechartsは、複雑な動きの実行可能なシンボル表現として導入された。 動きの制約、モニター、ネストされたステートチャートを並列およびシーケンスで任意にアレンジできる。 世界中心の運動仕様とエンボディメント間の一般化は、ロボットと環境の両方の統一された微分可能運動世界モデルを使用することによって実現される。 動作実行は、タスクスイッチ中のスムーズな遷移をジャークバウンドを用いて保証する、タスク機能アプローチのlMPCベースの実装によって実現される。 8つのロボットプラットフォームにメソッドをデプロイし,多様な環境で動作させることにより,クロスプラットフォームのトランスファビリティを実証した。 提案されたフレームワークはGiskardと呼ばれ、https://github.com/cram2/cognitive_robot_abstract_machine.comで公開されている。

関連論文リスト

• Learning to Move in Rhythm: Task-Conditioned Motion Policies with Orbital Stability Guarantees [45.137864140049814]
  我々は,学習した微分型エンコーダと超臨界ホップ分岐を結合したフレームワークであるOrbitally Stable Motion Primitives (OSMPs)を紹介する。 提案手法は,多種多様なロボットプラットフォームにまたがる広範囲なシミュレーションと実世界の実験によって検証される。
  論文  参考訳（メタデータ） (2025-07-12T17:10:03Z)
• ATI: Any Trajectory Instruction for Controllable Video Generation [25.249489701215467]
  本稿では、カメラの動き、オブジェクトレベルの翻訳、きめ細かい局所的な動きをシームレスに統合する、動画生成におけるモーション制御のための統一的なフレームワークを提案する。 提案手法は,事前学習した画像-映像生成モデルの潜在空間にユーザ定義トラジェクトリを投影することにより,凝集性のある解を提供する。
  論文  参考訳（メタデータ） (2025-05-28T23:49:18Z)
• Dita: Scaling Diffusion Transformer for Generalist Vision-Language-Action Policy [73.75271615101754]
  本稿では,Transformerアーキテクチャを活用した拡張性のあるフレームワークであるDitaについて紹介する。 Ditaはコンテキスト内コンディショニング(context conditioning)を採用しており、歴史的観察から生の視覚トークンと識別されたアクションをきめ細やかなアライメントを可能にする。 Ditaは、さまざまなカメラパースペクティブ、観察シーン、タスク、アクションスペースの横断的なデータセットを効果的に統合する。
  論文  参考訳（メタデータ） (2025-03-25T15:19:56Z)
• MotionLab: Unified Human Motion Generation and Editing via the Motion-Condition-Motion Paradigm [6.920041357348773]
  textbfMotion-Condition-Motionを提案する。これは様々なタスクを3つの概念(震源運動、条件運動、目標運動)で統一した定式化を可能にする。 このパラダイムに基づいて,修正フローを組み込んだ統合フレームワーク textbfMotionLab を提案し,ソース動作からターゲット動作へのマッピングを学習する。 特に、MotionLabは有望な機能と推論効率を、複数のベンチマークで示しています。
  論文  参考訳（メタデータ） (2025-02-04T14:43:26Z)
• Diffusion Transformer Policy [48.50988753948537]
  本稿では,拡散変圧器ポリシー(Diffusion Transformer Policy)と呼ばれる多モード拡散変圧器を提案し,連続的なエンドエフェクタ動作をモデル化する。 トランスのスケーリング機能を活用することで、提案手法は、多種多様なロボットデータセットにわたる継続的エンドエフェクタアクションを効果的にモデル化することができる。
  論文  参考訳（メタデータ） (2024-10-21T12:43:54Z)
• Local Action-Guided Motion Diffusion Model for Text-to-Motion Generation [52.87672306545577]
  既存の動き生成法は主に大域運動の直接合成に焦点を当てている。 本研究では,局所動作を微粒化制御信号として利用することにより,グローバルな動き生成を容易にする局所動作誘導型動き拡散モデルを提案する。 本手法は,様々な局所動作と連続誘導重み調整をシームレスに組み合わせる柔軟性を提供する。
  論文  参考訳（メタデータ） (2024-07-15T08:35:00Z)
• AMP: Adversarial Motion Priors for Stylized Physics-Based Character Control [145.61135774698002]
  我々は,与えられたシナリオで追跡するキャラクタの動作を選択するための完全自動化手法を提案する。 キャラクタが実行するべきハイレベルなタスク目標は、比較的単純な報酬関数によって指定できる。 キャラクタの動作の低レベルスタイルは、非構造化モーションクリップのデータセットによって指定できる。 本システムでは,最先端のトラッキング技術に匹敵する高品質な動作を生成する。
  論文  参考訳（メタデータ） (2021-04-05T22:43:14Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。